mindspore.ops.Concat

class mindspore.ops.Concat(axis=0)

在指定轴上拼接输入Tensor。

输入的是一个tuple。其元素秩相同，即 R 。将给定的轴设为 m ，并且 $0\le m<R$ 。输入元素的数量设为 N 。对于第 $i$ 个数据， $t_i$ 的shape为 (x_1, x_2, …, x_{mi}, …, x_R) 。 $x_{mi}$ 是第 $i$ 个元素的第 $m$ 个维度。则，输出tensor的shape为：

$$(x_1,x_2,...,\sum _{i=1}^N{x}_{mi},...,x_R)$$

Note

“axis”的取值范围为[-dims, dims - 1]。”dims”为”input_x”的维度长度。

参数：

• axis (int) - 表示指定的轴。默认值：0。

输入：

• input_x (tuple, list) - 输入为Tensor组成的tuple或list。假设在这个tuple或list中有两个Tensor，即x1和x2。要在0轴方向上执行 Concat ，除0轴外，其他轴的shape都应相等，即 $x1.shape[1]==x2.shape[1]，x1.shape[2]==x2.shape[2]，...，x1.shape[R]==x2.shape[R]$ ，其中 $R$ 表示最后一个轴。

输出：

Tensor，shape为 $(x_1,x_2,...,\sum _{i=1}^N{x}_{mi},...,x_R)$ 。数据类型与 input_x 相同。

异常：

• TypeError - axis 不是int。

• TypeError - input_x 是不同数据类型的Tensor。

• ValueError - input_x 是不同维度的Tensor。

• ValueError - axis 的维度范围不在[-dims, dims - 1]。

• RuntimeError - 除了 axis 之外， input_x 的shape不相同。

支持平台：

Ascend GPU CPU

样例：

>>> input_x1 = Tensor(np.array([[0, 1], [2, 1]]).astype(np.float32))
>>> input_x2 = Tensor(np.array([[0, 1], [2, 1]]).astype(np.float32))
>>> op = ops.Concat()
>>> output = op((input_x1, input_x2))
>>> print(output)
[[0. 1.]
 [2. 1.]
 [0. 1.]
 [2. 1.]]
>>> op = ops.Concat(1)
>>> output = op((input_x1, input_x2))
>>> print(output)
[[0. 1. 0. 1.]
 [2. 1. 2. 1.]]